La inteligencia artificial, ?el avi¨®n en el cerebro?

Dec¨ªa Steve Jobs que los ordenadores eran las bicicletas de la mente, ya que serv¨ªan para multiplicar su capacidad. ?Sera la inteligencia artificial (IA) el avi¨®n del cerebro? ?O tan solo una distracci¨®n? ?Cu¨¢l ser¨¢ su impacto sobre el crecimiento econ¨®mico, la inflaci¨®n, o la desigualdad? ?Sera similar al de los ordenadores y la internet? ?O esta vez ser¨¢ diferente?

La capacidad mostrada por la IA en los ¨²ltimos a?os sugiere que, s¨ª, es posible que esta vez sea diferente. El programa AlphaGo fue capaz de ganar al campe¨®n mundial de Go, un juego tan complejo que su n¨²mero potencial de posiciones es 10 y 170 ceros, m¨¢s que la suma de todos los ¨¢tomos del universo. El programa ChatGPT ha sido capaz de aprobar los ex¨¢menes de ingreso en las escuelas de medicina o en el cuerpo de abogados de EE UU. El programa DALL-E es capaz de generar im¨¢genes realistas de alta resoluci¨®n a partir de una simple descripci¨®n textual.

Hasta ahora, la tecnolog¨ªa se usaba para automatizar actividades repetitivas. Piensen, por ejemplo, que la palabra ¡°computadora¡± viene de los ¡°computadores humanos¡±, las personas, en su mayor¨ªa mujeres, que computaban los c¨¢lculos necesarios armadas con papel y l¨¢piz o calculadoras sencillas. La virtud del ordenador fue su capacidad de automatizar un volumen cada vez mayor de c¨¢lculos, reemplazando tareas cada vez m¨¢s complejas. Pero los ordenadores ten¨ªan una limitaci¨®n: hab¨ªa que instalar la infraestructura necesaria, y necesitaban humanos que supieran escribir programas espec¨ªficos para ense?arles a realizar tareas concretas.

Con el aumento de la capacidad de proceso de los microprocesadores se dio un paso adelante: las primeras versiones de la IA basadas en el aprendizaje profundo (deep learning) y las redes neuronales ¡ªprogramas inform¨¢ticos que simulan, de manera aproximada, la manera de aprender del cerebro humano¡ª crearon programas que aprend¨ªan solos, pero todav¨ªa necesitaban supervisi¨®n humana y bases de datos espec¨ªficas, estructuradas, y etiquetadas. Por ejemplo, si se entrenaba una red neuronal con radiograf¨ªas de pacientes con c¨¢ncer, a base de repetici¨®n y prueba y error el programa ¡°aprend¨ªa¡± a identificar dichas radiograf¨ªas. Estas versiones iniciales de IA estaban limitadas por la disponibilidad de datos y la necesidad de estructurarlos.

Las versiones m¨¢s recientes de IA representan un salto cualitativo y usan modelos fundacionales basados en la AI generativa, entre los cuales destacan los grandes modelos de lenguaje (LLMs). La t¨¦cnica es similar, el aprendizaje profundo con redes neuronales, pero es cualitativamente diferente ya que aprenden solos al ser capaces de procesar el lenguaje humano ¡ªque, por definici¨®n, es una base de datos que no necesita ser etiquetada¡ª y se pueden aplicar a una gran cantidad de tareas, aumentando de manera casi ilimitada su potencia y versatilidad. Son modelos de redes neuronales con billones de par¨¢metros, con un nivel de complejidad que se aproxima cada vez m¨¢s al cerebro humano, entrenados con bases de datos que capturan una buena parte del saber universal.

La evoluci¨®n de estos modelos ha sido rapid¨ªsima. Su capacidad de proceso se ha doblado cada seis meses, cuatro veces m¨¢s r¨¢pido que la famosa predicci¨®n de Gordon Moore, el cofundador de Intel, de que el n¨²mero de componentes de los circuitos integrados de los microprocesadores se duplicar¨ªa cada dos a?os. Esto permite una intensidad de aprendizaje dif¨ªcil de imaginar: un d¨ªa de entrenamiento de uno de estos algoritmos es equivalente a 150 a?os de entrenamiento de videojuegos de un humano.

Adem¨¢s de su capacidad, la IA se diferencia de manera cualitativa de los ordenadores en dos aspectos. El primero, son programas que se pueden descargar e instalar r¨¢pidamente, no maquinas que requieren costosa y compleja infraestructura complementaria. Esto ha hecho que su difusi¨®n este siendo rapid¨ªsima: cuando se lanz¨®, ChatGPT fue la aplicaci¨®n que m¨¢s r¨¢pidamente llego a los 100 millones de usuarios.

La segunda ventaja es que estas aplicaciones no necesitan programaciones sofisticadas. A los LLMs se les pregunta con lenguaje humano y responden de igual manera. Por ejemplo, a ChatGPT se le puede pedir: ¡°Escribe un art¨ªculo de 1.200 palabras en castellano sobre el impacto macroecon¨®mico de la inteligencia artificial con el estilo de ?ngel Ubide en EL PA?S¡±. Por ahora no les voy a decir si lo que est¨¢n leyendo lo ha escrito ChatGPT o lo he escrito yo.

La manera de funcionamiento de estas aplicaciones es ¡°sencilla¡±: son modelos probabil¨ªsticos que predicen que letra, palabra, pixel o imagen viene a continuaci¨®n de la anterior. En cada momento, modelos como ChatGPT, o las aplicaciones de conducci¨®n aut¨®noma, tratan de decidir cu¨¢l es la ¡°continuaci¨®n m¨¢s razonable¡± del ¨²ltimo texto o imagen que han generando, bas¨¢ndose en el modelo de comprensi¨®n del mundo que ha creado la base de datos con la cual han sido entrenados. Toda actividad que sea susceptible de convertirse en un problema de predicci¨®n entra en el ¨¢mbito de la IA.

Estas nuevas generaciones de IA son, por tanto, revolucionarias: no automatizan labores repetitivas, sino labores creativas. Es la democratizaci¨®n de la inteligencia. De repente, cualquiera puede escribir con el estilo y el vocabulario de los premios Nobel, escribir programas inform¨¢ticos como los virtuosos, dise?ar im¨¢genes como los genios art¨ªsticos. Entre los verbos m¨¢s repetidos en las patentes de IA se encuentran reconocer, predecir, detectar, identificar, o generar ¡ªtodas ellos tareas creativas¡ª. Con la IA se puede elevar el nivel de ejecuci¨®n de estas tareas a las mejores pr¨¢cticas, beneficiando a todos los trabajadores y reduciendo las disparidades con los expertos. Piense, por ejemplo, que gracias a los navegadores han ca¨ªdo las barreras a la entrada de la profesi¨®n de taxista. Y ahora extiendan este ejemplo a todas las actividades que se les ocurran. Por supuesto, estos modelos no son perfectos, y a veces dan respuestas incorrectas o inexistentes (los modelos ¡°alucinan¡±, en la jerga de IA). En parte, porque los modelos han sido entrenados en lo que tienen que hacer, no en lo que no tienen que hacer, una de las asignaturas pendientes de esta tecnolog¨ªa.

El impacto macroecon¨®mico puede ser importante. La evidencia emp¨ªrica sobre el efecto de estas nuevas generaciones de AI es que reduce el tiempo de ejecuci¨®n de tareas y aumenta su calidad, aumentando la productividad por hora trabajada. Adem¨¢s, puede acelerar la capacidad innovadora de la sociedad ¡ªdescubriendo relaciones y patrones de comportamiento en los datos nunca imaginados¡ª y, si se combina con los avances en la rob¨®tica, la mejora de la productividad y del crecimiento potencial puede ser exponencial, aumentando el tipo de inter¨¦s neutral y reduciendo la inflaci¨®n. Por otro lado, habr¨¢ que replantearse modelos de organizaci¨®n del trabajo, de aprendizaje, y de educaci¨®n, y las pol¨ªticas de distribuci¨®n de la renta. Y como toda transformaci¨®n tecnol¨®gica, esta no estar¨¢ exenta de riesgos. La disputa por el uso y la propiedad de los datos, el uso potencialmente malicioso de los algoritmos, el impacto ecol¨®gico de su alta intensidad computacional, los sesgos de las bases de datos, todo ello requerir¨¢ una regulaci¨®n que encauce este proceso por el camino correcto.

Es posible que esto lo hubiera escrito ChatGPT mientras yo estaba en la playa. Pero no, no ha sido as¨ª. Quiz¨¢s la pr¨®xima vez.

Sigue toda la informaci¨®n de Econom¨ªa y Negocios en Facebook y Twitter, o en nuestra newsletter semanal